Bagaimana AI Agent Menyelesaikan Masalah: Mengenal Siklus 5 Langkah “Misi → Scan konteks → Think → Act → Observe & ulang”

Setelah pembahasan Mengenal AI Agent: Ketika Otak, Tangan, dan Sistem Saraf Bekerja Bersama selanjutnya saya akan membahasa Tentang Bagaimana AI Agent Menyelesaikan Masalah: Mengenal Siklus 5 Langkah “Misi → Scan konteks → Think → Act → Observe & ulang” cara kerja agent ketika diberi misi: dari menerima tugas, membaca situasi, berpikir, bertindak, sampai mengulang lagi prosesnya.

Di dua tulisan sebelumnya, bisa kamu cek ulang disini:

1. pergeseran dari AI yang cuma “jawab sekali lalu selesai” Dari AI Prediktif ke AI Agent: Saat Mesin Tidak Lagi Sekadar Menjawab Pertanyaan
2. apa itu AI agent: Mengenal AI Agent: Ketika Otak, Tangan, dan Sistem Saraf Bekerja Bersama

Sekarang, kita masuk ke pertanyaan yang lebih praktis:

“Kalau agent dikasih tugas, dia tuh sebenarnya ngapain aja di belakang layar?”

Whitepaper yang saya baca menjawabnya dengan satu pola sederhana: agent bekerja lewat siklus 5 langkah.

Disclaimer kecil sebelum mulai

Pembahasan yang saya tulis di sini murni untuk tujuan pemahaman bersama. Saya berusaha menerjemahkan dan merangkum materi seakurat mungkin dari whitepaper “Introduction to Agents and Agent Architectures”.

Tetap saja, bisa saja ada bagian terjemahan atau penjelasan yang kurang tepat.

Kalau teman menemukan kesalahan, penjelasan yang terasa janggal, atau punya perspektif lain, saya sangat terbuka untuk berdiskusi. Silakan sampaikan di kolom komentar, supaya kita bisa belajar dan meluruskan bersama.

Agent Itu Bukan Sekali Panggil, Sekali Jawab

Hal paling penting yang perlu kita samakan di kepala:

Agent tidak bekerja sekali jalan. Ia bekerja dalam loop (Berulang).

Kalau AI klasik biasanya:

• kamu kasih prompt,
• model jawab,
• selesai.

Agent justru:

• menerima misi,
• membaca konteks,
• berpikir dulu,
• baru bertindak,
• lalu mengamati hasilnya,
• dan mengulang lagi sampai tujuan tercapai.

Di halaman 11–13, siklus ini dirangkum jadi 5 langkah utama:

1. Get the Mission
2. Scan the Scene
3. Think It Through
4. Take Action
5. Observe and Iterate

Mari kita bedah pelan-pelan.

Get the Mission: 1. Agent Harus Tahu Dulu Apa yang Ingin Dicapai

Semua proses dimulai dari misi.

Misi ini bisa datang dari:

• user langsung, misalnya:
  • “Tolong urus perjalanan tim saya ke konferensi bulan depan.”
  • “Cek order #12345 sudah sampai mana.”
• atau dari trigger otomatis, misalnya:
  • “Setiap ada tiket customer dengan prioritas tinggi masuk, langsung dikirim ke agent support.”

Bedanya dengan prompt biasa, misi ini sifatnya:

• lebih tinggi levelnya,
• seringkali mengandung banyak sub-tugas,
• dan tidak selalu menjelaskan “caranya bagaimana”.

Agent tidak hanya ditanya, tapi dipercaya untuk:

• memecah misi menjadi langkah-langkah,
• dan memilih cara terbaik untuk menyelesaikannya.

Scan the Scene: 2. Membaca Situasi Sebelum Bergerak

Setelah tahu misinya, agent tidak langsung bertindak.

Ia akan “scan the scene”:

• membaca isi permintaan user,
• melihat memori jangka pendek:
  • “Apakah ini kelanjutan percakapan sebelumnya?”
  • “Apakah user ini pernah memberi preferensi tertentu?”
• mengakses memori jangka panjang, kalau ada:
  • hasil tugas-tugas serupa di masa lalu,
  • panduan internal, SOP, dll.
• mengecek tools apa yang tersedia:
  • “Apakah aku punya akses ke kalender?”
  • “Ada tool untuk cek order? Ada API untuk tracking?”

Di tahap ini, agent menilai:

“Dengan resources dan batasan yang aku punya, cara yang masuk akal untuk mengejar misi ini apa?”

Kalau di dunia manusia, ini seperti kamu:

• membaca ulang chat klien,
• cek dokumen,
• ingat project sebelumnya,
• sebelum memutuskan harus mulai dari mana.

Think It Through: 3. Agent Tidak (Selalu) Asal Tindak

Baru di sini agent benar-benar berpikir.

Whitepaper menjelaskan bahwa di tahap ini, agent:

• menganalisis misi vs konteks,
• menyusun rencana multi-langkah,
• memutuskan urutan tools yang perlu digunakan.

Contohnya:

Misi: “Tolong beritahu saya status order #12345.”

Agent bisa berpikir seperti ini:

1. “Aku harus pastikan dulu order #12345 itu ada atau tidak.”
   • berarti perlu panggil tool find_order(12345).
2. “Kalau ada, aku butuh nomor resi / tracking.”
   • berarti ambil tracking_number dari hasil tool pertama.
3. “Dengan tracking number itu, aku bisa cek status aktual di API ekspedisi.”
   • berarti panggil tool get_shipping_status(tracking_number).
4. “Setelah dapat statusnya, aku perlu susun jawaban yang jelas dan ramah untuk user.”

Ini semua terjadi di tahap “Think It Through”.

Jadi agent bukan sekadar:

“Oh, ada angka 12345. Cek ke database. Jawab.”

Melainkan:

• merangkai strategi kecil,
• memikirkan urutan langkah,
• mempertimbangkan data yang sudah atau belum ia punya.

Take Action: 4. Saat Agent Menggunakan “Tangan”-nya

Begitu rencana awal terbentuk, agent mulai masuk ke fase aksi.

Di contoh customer support, langkah-langkahnya kira-kira seperti ini:

1. Agent memanggil tool:
   • find_order("12345")
     untuk mencari order di database internal.
2. Setelah mendapatkan data order (misalnya: nama pelanggan, alamat, nomor resi), agent mengamati hasilnya:
   • “Oke, order ini valid, ada tracking number: ZYX987.”
3. Lalu agent menjalankan langkah berikutnya:
   • memanggil tool get_shipping_status("ZYX987")
     untuk mengecek status kiriman real-time di API ekspedisi.

Di tahap Take Action ini, agent:

• benar-benar berinteraksi dengan user,
• lewat tools / API / database / code execution,
• bukan hanya mengolah teks di dalam kepalanya.

Ini yang membedakan agent dari chatbot biasa.
Chatbot bisa banyak bicara, tapi belum tentu bisa melakukan sesuatu di luar percakapan.

Observe and Iterate: 5. Belajar dari Hasil Aksi dan Mengulangi Loop

Setiap aksi menghasilkan observasi:

• tool find_order mengembalikan:
  • “Order ditemukan, status: dikemas, tracking number: ZYX987.”
• tool get_shipping_status mengembalikan:
  • “Out for delivery.”

Agent tidak berhenti di situ.

Ia akan:

1. Memasukkan hasil ini ke konteks / memori langkah berikutnya,
2. Kembali ke mode “Think”:
   • “Apakah informasi yang aku punya sudah cukup untuk menjawab user?”
   • “Apakah ada langkah lain yang perlu diambil?”
3. Kalau sudah cukup, ia akan menyusun jawaban ke user:
   • “Order #12345 kamu saat ini statusnya ‘out for delivery’, artinya sedang dalam perjalanan ke alamatmu.”
4. Kalau belum cukup, loop berlanjut:
   • agent bisa memanggil tools lain,
   • meminta klarifikasi ke user,
   • atau menjalankan langkah tambahan lain.

Diagram di halaman 12 menggambarkan proses ini sebagai semacam corong / alur berputar: misi masuk, lalu agent berulang kali berpikir, bertindak, mengamati, sampai misi dirasa selesai.

Kuncinya:
Agent bukan hanya melakukan satu aksi. Ia mengamati, mengevaluasi, lalu memutuskan langkah berikutnya.

Mengapa Siklus 5 Langkah Ini Penting?

Kalau kita lihat sekilas, 5 langkah ini mungkin terasa “ya sudah wajar begitu”. Tapi justru di sanalah kekuatannya:

1. Memberi kerangka berpikir yang jelas
   Buat kita sebagai manusia, siklus ini membantu untuk:
   • mendesain agent,
   • mendebug perilakunya,
   • dan menjelaskan ke orang lain “agent ini sebenarnya ngapain aja”.
2. Membedakan agent dari AI generatif biasa
   AI biasa:
   • fokus di sekali jawab.
   Agent:
   • fokus di menyelesaikan misi lewat banyak langkah.
3. Membuka jalan ke desain yang lebih kompleks
   Dengan kerangka ini, nanti kita bisa bicara:
   • agent yang bisa menyusun rencana panjang,
   • agent yang bisa berkolaborasi dengan agent lain,
   • agent yang bisa mengevaluasi ulang langkahnya sendiri.

Semua itu tetap memakai pola dasar yang sama:
Misi → Scan → Think → Act → Observe → ulang.

Kalau Dibawa ke Pekerjaan Kita Sehari-hari

Coba bayangkan siklus ini diterapkan ke hal-hal yang lebih dekat:

• Agent untuk mengurus jadwal konten
  • Misi: “Atur konten Instagram & blog untuk 1 minggu ke depan.”
  • Scan: baca kalender, cek konten yang sudah terbit, lihat tema campaign.
  • Think: susun rencana posting per hari, platform, jam.
  • Act: tulis draf caption, jadwalkan di tool tertentu, simpan ke Notion.
  • Observe: cek apakah ada error, apakah slot sudah terisi semua.
  • Ulang: kalau ada slot kosong, cari ide konten tambahan.
• Agent untuk laporan penjualan bulanan
  • Misi: “Buatkan ringkasan penjualan bulan lalu.”
  • Scan: cek sumber data, format laporan, KPI yang penting.
  • Think: tentukan metrik, susun struktur laporan.
  • Act: query database, hitung angka, buat ringkasan, mungkin export ke PDF.
  • Observe: cek konsistensi angka, bandingkan dengan bulan sebelumnya.
  • Ulang: kalau ada anomali, lakukan pengecekan tambahan.

Dengan memakai kerangka 5 langkah ini, kita jadi lebih mudah membayangkan:

• bagian mana yang perlu tools,
• bagian mana yang cukup pakai reasoning model,
• dan di titik mana manusia sebaiknya ikut campur.

Penutup: Agent Itu Tentang Proses, Bukan Sekadar Jawaban

Dari halaman 11–13, saya menangkap satu pesan penting:

AI agent bukan hanya soal “jawaban yang dihasilkan”,
tapi soal bagaimana ia melangkah dari misi ke solusi melalui siklus yang berulang.

Dengan memahami siklus:

1. Get the Mission
2. Scan the Scene
3. Think It Through
4. Take Action
5. Observe and Iterate

kita tidak lagi melihat agent “pokoknya pintar”, tapi sebagai sistem yang bisa kita desain, kita awasi, dan kita perbaiki.

Di tulisan berikutnya, kita akan mulai masuk ke level-level agent: dari agent paling sederhana yang hanya terkoneksi tools, sampai sistem multi-agent yang bisa berkolaborasi dan bahkan “meminta dibuatkan agent baru” ketika ia butuh kemampuan tambahan.

Sampai di sini, harapannya satu:

ketika kamu mendengar kata “AI agent”, yang terbayang bukan lagi sekadar chatbot yang lebih keren, tapi sebuah sistem yang berproses — sama seperti kita ketika berusaha menyelesaikan masalah di dunia nyata.

Sumber:

Gambar Utama : https://unsplash.com/illustrations/a-computer-screen-with-a-picture-of-a-brain-on-it-8FMoXUTzLtk